公开(公告)号：CN118940162B

公开(公告)日：2025-05-13

申请号：CN202410980982.9

申请日：2024-07-22

Applicant: 中南大学

Inventor： 董健 ,  邹俊杰 ,  侯斐斐 ,  肖程望

IPC: G06F18/2431 ,  G06F18/2321 ,  G06F17/18

Abstract: 本发明提供一种非合作目标的类型识别方法及装置，所述方法包括：采集指定空间物体的多个特征；将多个特征分别转换为标准正态分布，以对应形成多个标准化特征；构建与标准化特征对应的多特征函数，并计算多特征函数的概率密度函数；基于与标准正态分布特性相符的双边高斯隶属度函数计算每个标准化特征的隶属度函数；基于所述概率密度函数和隶属度函数分别计算每个所述特征的概率密度和隶属度，并基于对应每个特征的概率密度和隶属度计算得到指定空间物体的模糊概率；基于模糊概率确定指定空间物体是否为第一类真目标。本发明的方法能够快速准确地对空间目标进行识别。

公开(公告)号：CN118247265B

公开(公告)日：2024-08-13

申请号：CN202410622183.4

申请日：2024-05-20

Applicant: 中南大学

Inventor： 侯斐斐 ,  邹承甫 ,  董健 ,  宋生敏 ,  兰博颢

IPC: G06T7/00 ,  G06N3/0464 ,  G06T7/246 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80

Abstract: 本发明提供一种充电接口姿态检测方法、装置、电子设备及存储介质，该充电接口姿态检测方法包括根据充电接口姿态检测请求，获取目标充电接口的第一图像，第一图像用于表征目标充电接口的RGB彩色图像；对第一图像采用深度卷积神经网络进行识别，得到目标充电接口的关键点，关键点用于表征充电接口触点；对关键点采用PnP算法进行第一次解算，得到目标充电接口的第一位姿；对第一位姿采用BA优化算法进行优化，得到目标充电接口的第二位姿。本发明的有益效果为：实现了充电接口姿态在复杂场景下的轻量化及高效实时检测。

公开(公告)号：CN117706514B

公开(公告)日：2024-04-30

申请号：CN202410155231.3

申请日：2024-02-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  王浩冉 ,  王一军 ,  樊欣宇 ,  刘彦

IPC: G01S7/41 ,  G01S13/88 ,  G01S13/89 ,  G01S7/16 ,  G01S7/292 ,  G01S7/35 ,  G06V10/30 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于图像处理领域，具体涉及一种基于生成对抗网络的杂波消除方法、系统及设备，其方法包括：获取模拟无杂波图像、实测背景图像以及模拟有噪B扫描图像；基于模拟无杂波图像以及第三代风格生成对抗网络，得到合成无噪B扫描图像；基于合成无噪B扫描图像以及实测背景图像，得到合成有噪B扫描图像；基于模拟无杂波图像、合成有噪B扫描图像、模拟有噪B扫描图像以及合成无噪B扫描图像，得到成对训练数据集；获取去噪模型；基于成对训练数据集以及去噪模型，得到图像损失；基于图像损失调整去噪模型，得到优化训练模型；基于优化训练模型以及输入图像，得到无杂波图像。本申请具有扩大训练数据集以及提高图像处理质量的效果。

公开(公告)号：CN117635643A

公开(公告)日：2024-03-01

申请号：CN202311650086.8

申请日：2023-12-05

Applicant: 中南大学

Inventor： 侯斐斐 ,  赵文卿 ,  樊欣宇

IPC: G06T7/13 ,  G06T5/94 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 改进的双重注意力网络的室内火灾及可燃物自动识别方法，对于采集的图像，使用Canny边缘检测增强边界特征，辅助创建分割标签，以建立用于训练的火灾—可燃物数据集；改进基于双重注意力网络的深度学习框架，替换原有的交叉熵损失函数为焦点损失函数，并进行训练；结合测试增强方法对输入图像进行翻转、缩放变换，并将输出综合分析，得到最终的分割结果，实现室内火灾及可燃物的自动识别。

公开(公告)号：CN117830340B

公开(公告)日：2024-08-27

申请号：CN202410017401.1

申请日：2024-01-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  乔博轩 ,  王一军 ,  樊欣宇 ,  龚凯

IPC: G06T7/194 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明属于图像分割领域，具体涉及一种探地雷达目标特征分割方法、系统、设备及存储介质，其方法包括：获取训练图像以及对应的标签图像；基于所述训练图像以及所述标签图像，得到成对训练图像；获取分割模型；将所述成对训练图像输入所述分割模型中，得到输出图像；基于所述输出图像、标签图像以及所述分割模型，得到损失值；基于所述损失值以及损失条件调整所述分割模型的模型参数，得到优化分割模型；基于所述优化分割模型以及输入图像，得到目标特征。本申请通过优化分割模型，能够使提取出的目标特征图像质量更高的效果。

公开(公告)号：CN112819732B

公开(公告)日：2021-07-09

申请号：CN202110415692.6

申请日：2021-04-19

Applicant: 中南大学

Inventor： 雷文太 ,  罗佳斌 ,  侯斐斐 ,  徐龙 ,  王睿卿

IPC: G06T5/00 ,  G06T5/50 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种探地雷达B‑scan图像去噪方法，其中包括以下步骤：步骤1：探地雷达GPR在地表对预先埋有管线目标的单一背景介质区域进行探测，获取Z幅GPR B‑scan图像构成无噪GPR标签数据集；步骤2：利用每种含噪GPR数据集及其对应的无噪GPR标签数据集训练多尺度卷积自编码器；所述多尺度卷积自编码器包括一个编码器E、一个解码器D；步骤3：将待去噪的GPR图像输入至训练好的多尺度卷积自编码器，通过编码和解码，输出去噪后的GPR图像，并计算去噪后GPR图像的信噪比，验证多尺度卷积自编码器的去噪效果，本发明能够将低信噪比情况下的含噪GPR图像有效去噪。

公开(公告)号：CN118736186A

公开(公告)日：2024-10-01

申请号：CN202410710748.4

申请日：2024-06-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  彭应昊 ,  董健 ,  樊欣宇 ,  王艳辉

IPC: G06V10/25 ,  G01S13/89 ,  G01V3/12 ,  G06V10/22 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/084

Abstract: 探地雷达数据关键点检测与目标定位方法，首先，在YOLOv8框架中引入全局注意力机制，通过减少信息损失和放大全局交互表示，提高深度神经网络的性能；其次，结合空间特征增强的子网和深度递归网络，引入多头自注意力机制，实现地下结构的高分辨率映射；最后，在损失函数中引入广义交并比损失和完全交并比损失，通过增加对包围框外部区域、目标检测框中心点距离和长宽比的考量，优化非重叠和重叠问题下的检测精度。本方法首先，基于YOLOv8‑GSI网络进行GPR目标检测，获得候选目标所在区域；然后，第一阶段的部分训练权重被共享并传递到第二阶段，后者在此基础上训练第二阶段YOLOv8‑GSI网络，从候选目标特征中获取精确的关键点检测，从而实现地下目标的自动化定位。

公开(公告)号：CN118735857A

公开(公告)日：2024-10-01

申请号：CN202410710751.6

申请日：2024-06-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  聂子善 ,  王艳辉 ,  樊欣宇 ,  董健

IPC: G06T7/00 ,  G01S13/89 ,  G01V3/12 ,  G06V20/10 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了基于轻量化网络的探地雷达充气充水空洞病害的识别方法，针对道路空洞GPR图像样本稀缺的问题，采用时域有限差分法对随机数量和位置的充气空洞和充水空洞病害进行正演模拟，生成仿真图像，同时附加道路场景下的真实图像，构建混合数据集。改进的轻量化网络利用MobileNetV3精简PP‑YOLOE主干，在MobileNetV3的主干结构中引入协同注意力模块以优化空间、坐标和通道信息的融合，同时结合路径聚合网络和变焦损失、分布焦点损失函数，实现了探地雷达道路充气与充水空洞病害的自动识别，解决了传统GPR图像检测方法在检测精度和速度上的不足。

公开(公告)号：CN118709524A

公开(公告)日：2024-09-27

申请号：CN202410710752.0

申请日：2024-06-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  钱星宇 ,  王艳辉 ,  董健 ,  樊欣宇

IPC: G06F30/27 ,  G01S13/89 ,  G01S7/41 ,  G01R27/26 ,  G01V3/12 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/0455

Abstract: 本发明提出了基于多尺度有监督生成对抗网络的探地雷达数据反演方法，改进基于pix2pixGan的深度学习框架，加入多尺度卷积模块和EMA注意力模块，以便更加准确的捕获B‑scan图像中多个双曲波形以及杂波特征；结合数据集中地下介电常数分布图像存在背景像素和反演目标像素数量不平衡的特点改进原有的L1误差损失函数为焦点加权均方误差函数，同时加入SSIM损失函数。使用gprMax+paraview仿真软件生成模拟GPR B‑scan波形图像和对应地下介电常数分布图像，以建立用于训练的B‑scan—介电常数分布配对数据集；训练pix2pixGan，将训练后的U‑net生成器对B‑scan图像进行反演转换得到地下介电常数分布图，最终实现GPR数据反演。

公开(公告)号：CN118628452A

公开(公告)日：2024-09-10

申请号：CN202410710750.1

申请日：2024-06-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  张智轩 ,  樊欣宇 ,  王艳辉 ,  董健

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06V10/774 ,  G06V10/24 ,  G06V10/34 ,  G06V10/52 ,  G06V10/771 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/096

Abstract: 本发明提出了基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法，对于采集到的实测图像，改进基于End‑to‑End Object Detection with Transformers的深度学习框架，在原架构上嵌入了一种新颖的高效多尺度注意力模块—Multi‑Scale Convolutional Block Attention Module模块，允许模型根据任务需求和内容上下文动态地关注于最有用的特征，从而改善DETR模型的收敛速度和对小目标的检测准确率，实现端到端的隧道衬砌内部缺陷的自动检测；使用LabelImg软件进行标记，并利用两种隧道构件的实测数据集进行迁移学习，以建立用于训练的隧道构件—缺陷数据集；结合传统数据增强方法对GPR数据集进行随机镜像翻转、高斯模糊、明亮变换、尺度变换和添加噪声等扩增操作，进一步提高模型的泛化能力，增加样本的多样性。